建立在討價還價結果基礎上的旅游市場大數據策略博弈分析及啟示

汪 舟， 汪明林

（樂山師范學院 旅游學院，四川 樂山 614000）

建立在討價還價結果基礎上的旅游市場大數據策略博弈分析及啟示

汪 舟， 汪明林

（樂山師范學院 旅游學院，四川 樂山 614000）

討價還價模型是博弈論中一個常見的博弈模型。但無論是三回合討價還價還是無限回合討價還價，都是建立在假設雙方不知道對方心里價位的基礎上。然而，隨著近年來互聯網經濟的發展以及“大數據”的廣泛運用，買賣雙方對彼此的了解會更加深入，在此情況下進行如果再進行一次大數據策略博弈，其交易價格將和原有的討價還價博弈結果將有所不同。而在廣泛運用大數據的旅游市場中，企業應該如何更好地利用這類變化來完善市場策略、提高企業收益，本文希望就此問題進行探討并給出相應建議。

大數據；討價還價模型；旅游市場策略

討價還價模型是市場經濟中很常見的一種博弈形式。博弈雙方為買家和賣家。假設某一商品價格為P，價值為V，剩余價值（V-P）即為博弈對象。全部歸賣方所有則為生產者剩余，全部歸買方所有則為消費者剩余。賣方希望能盡量提高賣價增加生產者剩余，買方希望盡量壓低價格增加消費者剩余，雙方都希望將自己利益最大化，并據此期望進行討價還價博弈。

在雙方并不了解彼此的價格底線的情況下，進行無限回合討價還價，策略選擇為由賣方先提出一個價格，買方選擇接受與否，若不接受，則另報一價格，若賣方接受則成交，若不接受則繼續報價，一直循環到有一方接受對方報價為止。此時若剩余價值總額為100，根據夏克德(Shaked)和薩頓（Sutton）提出的解決思路，最后的均衡收益為，賣方得100/（1+a），買方得100a/（1+a），其中a為博弈過程中的消耗系數[1]。

然而在大數據時代，受益于搜索引擎技術的進步，情況有所變化。買賣雙方都可以通過網絡了解彼此過去的一些交易情況，對彼此的心理價位進行分析判斷。此時的均衡收益是否落在自己的期望期間內，是否還是一個可接受的結果，都會影響到最終交易能否成立。如果雙方在此基礎上再進行一個是否采取大數據策略博弈，是否還會按照之前的均衡結果成交，本文正是基于這樣的考慮而對這類情況進行了分析。

1 旅游市場的大數據策略博弈模型

1.1 條件假設

假設在旅游市場中，買賣雙方對一項剩余價值為100的旅游產品進行討價還價博弈。由旅游批發商（以下簡稱賣家）先出價，游客（以下簡稱買家）選擇接受與否，如不接受，買家再還價，轉而由賣家決定是否接受。雙方都清楚在此基礎上博弈最后的均衡收益為賣家得100/（1+a），買家得100a/（1+a）。但在最終交易前，再進行一次是否采取大數據策略來了解對方可接受價值區間的博弈，并以此決定是否按照之前的均衡結果交易。此次博弈對象仍然是剩余價值v-p，博弈方仍然是買賣雙方，策略集合為（不做大數據，采納大數據）。

在下面的這個博弈中需要再引入四個前提條件：

（1）只有經過多重數據分析，并根據過往同類產品的交易記錄或其他相關性產品的消費情況，賣方才能推算出買方對于剩余價值的接受區間為[B1，B2]（0＜B1＜B2＜100），買方也才可以預估到賣方可接受的價值區間為[C1，C2]（0＜C1＜C2＜100）。如果不采取大數據策略進行分析，雙方只清楚己方的接受區間，無法了解對方的接受區間。

（2）[B1，B2]、[C1，C2]區間內除B2、C2外任意兩數相加都小于等于100、B2+C2＞100。即不能同時滿足買賣雙方的最大期望值，但至少可以滿足一方的最大期望值。

（3）買賣方可以選擇采取大數據策略或不采取大數據策略。

（4）在保證不低于自己最低期望值的前提下，為使交易成立買賣方可以進行讓利。

1.2 博弈模型分析

在上述條件下，再根據原均衡值100/（1+a）、100a/（1+a）與買方接受范圍[B1，B2]、賣方接受范圍[C1，C2]的關系，新的博弈模型一共可分為9種狀況，如下圖9張圖所示：

圖1 第一種狀況時的雙方收益

當100/（1+a）＞C2、100a/（1+a）＞B2時，如雙方都不進行大數據分析，對彼此接受范圍都不了解，則原有均衡仍然是彼此收益。如賣方進行了數據分析而買方沒有，賣方了解到原有均衡結果其實是超出了買方最大期望的，則不會按照原有均衡給買方提供收益，而會降到買方最低期望值B1，自己獲得100-B1。同理，如果賣方不進行數據分析而買方進行，買方可以僅給予賣方其最小期望值C1，自己獲得100-C1。若雙方都進行大數據分析，彼此了解對方期望值，而原有的均衡結果已經超出各自最大期望了，故仍然會采取原有均衡結果，賣方獲得100/（1+a），買方獲得100a/（1+a）。此博弈的純策略納什均衡為（采納大數據，采納大數據）。

圖2 第二種狀況時的雙方收益

當100/（1+a）＞C2、B1＜100a/（1+a）＜B2時，此時狀況與前面完全相同。如雙方都不進行大數據分析，原有均衡收益值都在彼此可期望值范圍內或以上，仍然可以接受。當只有一方采納大數據時，只給與對方其所期望的最小值。若雙方都進行大數據分析，仍然會采取原有均衡結果。本博弈的純策略納什均衡是（采納大數據，采納大數據）。

圖3 第三種狀況時的雙方收益

當100/（1+a）＞C2、100a/（1+a）＜B1時，由于原均衡結果低于買方最低期望值，原本是不可能達成買賣的。但當賣方采取大數據時，在了解買方的期望值區間的基礎上發現100-B1＞C1，仍然在自己可接受范圍內，故為了達成協議可以做出讓步。而當雙方都采取大數據時，彼此都了解對方的可接受區間。買方既不可能給予賣方高出其期望上限的利益，賣方也不會為了達成協議，讓利到只拿期望值下限的地步。因此（C2，100-C2）和（100-B1，B1）都是可能的收益。如果是前者，純策略納什均衡為（采納大數據，采納大數據）、（采納大數據，不做大數據），如果是后者，純策略納什均衡為（采納大數據，采納大數據）。

圖4 第四種狀況時的雙方收益

當C1＜100/（1+a）＜C2，100a/（1+a）＞B2時，與第一種狀況相同，由于都落在或超出了彼此期待值區間，故在雙方都采取大數據或者都不采取大數據策略時，收益相同。而當賣方采取大數據時，會只給予買方其所期望值的底線B1，自己獲得100-B1。而當只有買方采取大數據時，只會給予賣方其所期望的最小值C1。此時的純策略納什均衡為（采納大數據，采納大數據）。

圖5 第五種狀況時的雙方收益

當C1＜100/（1+a）＜C2，B1＜100a/（1+a）＜B2時，原均衡收益均落在兩者的期望區間內，故在此情況下，無論雙方是否采取大數據策略，收益仍不變。而只有一方采取大數據時，會只給予對方其所期望值的下限。此時的純策略納什均衡為（采納大數據，采納大數據）。

圖6 第六種狀況時的雙方收益

當C1＜100/（1+a）＜C2，100a/（1+a）＜B1時，原本由于均衡結果低于買家最小期望值，也是不能成立的。如只有賣方采取大數據策略，在保證不低于自己最低期望值情況下讓步，則雙方各得100-B1、B1，交易成便可立。若只有買方采取大數據策略，了解到原均衡收益大于賣方最低值而低于己方最低值，則會只給予賣方其期望最低收益，從而增加自己收益，使其能達到自己的期待收益區間。而如果雙方都采取大數據策略，為了使交易成立，仍然需要賣方讓利，故仍然是賣方的100-B1、買方的B1。此情況下的純策略納什均衡為（采納大數據，采納大數據）、（采納大數據，不做大數據）。

圖7 第七種狀況時的雙方收益

圖8 第八種狀況時的雙方收益

當100/（1+a）＜C1，100a/（1+a）＞B2時，原本由于均衡結果低于賣家最小期望值而不能成立的。但如果賣方采取大數據而買方沒有，則賣方可以通過僅給予買方其所希望的最小值B1，自己得（100-B1）來增加收益，使交易成立。若只有買方采取大數據策略，為了達成交易，給予賣方最小期待值C1，自己得100-C1＞B1，也能達成交易。若雙方都采取大數據策略，了解各自的期待區間，為使得交易成立，仍然需要達到買賣雙方的最小期待值才行。故賣方買方收益可能是{C1，100-C1}和{100-B2，B2}。如果是前者，則純策略納什均衡為（不做大數據，采納大數據）、（采納大數據，采納大數據），如果是后者，則純策略納什均衡（采納大數據，采納大數據）。

當100/（1+a）＜C1，B1＜100a/（1+a）＜B2時，若只有賣方采取大數據則為提高收益，會僅給予買方其所希望值的最小值B1，自己得100-B1，大于其最小期待值C1，故交易能成立。若只有買方采取大數據策略，為了達成交易，給予賣方最小期待值C1，自己得100-C1＞B1，也能達成交易。若雙方都采取大數據策略，了解各自的期待區間，為使得交易成立，仍然需要達到賣方的最小期待值才行。故賣方買方收益仍是C1和100-C1。此情況下的純策略納什均衡為（采納大數據，采納大數據）、（不做大數據，采納大數據）。

圖9 第九種狀況時的雙方收益

當100/（1+a）＜C1，100a/（1+a）＜B1時，原均衡收益都不能達到買賣雙方的最小期望值，故在任何情況下都不會達成交易，因而不做考慮。

1.3 結果分析

上述狀況中，除了不能達成交易的第九種狀況外，一共有8種狀況、14種可能的純策略納什均衡，其中（采納大數據，采納大數據）出現了10次，說明采取大數據對買賣雙方來說都是一個比較好的選擇。

同時，觀察納什均衡下的收益，其可能值有一共有5種：出現4次的（100/（1+a），100a/（1+a））、出現2次的（100-B1，B1）、出現1次的（C2，100-C2）和出現1次的（100-B2，B2）、2次（C1，100-C1）。由此可見，采取大數據策略后仍有4/10的機率是維持原來的收益。賣方收益與之前的收益相比，減少的情況有3種結果：當100a/（1+a）＜B1，賣方進行讓利后達成的均衡收益的可能值，即2次（100-B1，B1）和1次（C2，100-C2）。增加收益的情況有3種：當100/（1+a）＜C1時從買方處獲得讓利的1次（100-B2，B2）和2次（C1，100-C1）。同理，對買家來說，收益不變的也是4種情況，增加和減少各有3種。但值得注意的是，買賣雙方收益減少的三種情況，都實現了原本不可能達成的交易，從而從整體上增加了收益。而假如只有一方采取大數據，則采取數據一方可以利用信息優勢通過降低給對方的利益來增加自己的利益。因此，采取大數據策略不論對于買方還是賣方其實都是一項可以獲得更高收益的選擇。

2 大數據博弈模型結果分析

在加入大數據策略后，原本只有一種結果的討價還價模型出現了9種情況共14種可能的結果。盡管情況更加復雜，但通過分析總結這14種結果，我們可以得到如下啟示：

2.1 正確看待博弈的對手

在過去信息不對稱的情況下，賣方可以通過收集問卷、組織市場調研等方式了解消費者信息，而消費者卻只能被動地通過媒體了解關于賣方的碎片化信息。在信息掌握程度上賣方是處于優勢地位的。但是在大數據時代，信息共享成為趨勢。賣方固然可以通過更多渠道了解買方的消費區間、消費喜好和方式等信息，買方也可以通過大量網絡信息和他人提供的消費經驗了解賣方。雙方的信息差距越小，彼此的期待值區間就越清晰，就越容易達到均衡結果。同時因為買方也開始越來越重視信息搜集，賣方也就不能指望通過信息優勢獲取高于均衡結果的收益，反而必須加強己方的信息搜集，才能避免因為信息上劣勢而失去原本可以獲得的收益。

2.2 正確運用大數據

大數據的最大特點就是讓買賣雙方了解對方的期待值區間。對賣方來說，首先應把重點放在那些原本均衡值已經高過其最高期望值的客戶身上，即那些愿意出更高價格的客戶。通過大數據，在了解到他們的期望值區間的同時，也應當掌握更多他們的喜好與消費習慣。通過提供更精準更優質的服務，換取更高的收益。其次，可以擴大客戶的范圍。利用大數據，在保證不低于自己最低期望收益的情況下進行部分讓利，滿足買方的最低期望，從而使原本不可能達成的交易能夠實現，從整體上增加自己收益。

對于買方消費者來說，利用大數據搜索，可以尋找在自己可接受的范圍內最物美價廉的產品。同時，對于原本喜歡卻因價格差距無法達成一致的產品，通過了解賣家的期望值區間和產品的真實價值，在不低于己方最低期待收益的情況下提高報價，獲取產品。對買方來說，仍然是一筆可獲得正收益的交易。

2.3 正確制定市場策略

首先在價格上不能采取為占領市場一味降價的策略。雖說通過讓利來使交易成立可以從整體上增加企業收益，但是這不應該成為企業的經營的主導思路。因為不論企業把價格降到何處，總有原均衡收益100a/（1+a）＜期待收益最小值B1這個群體的存在。如果為了占領這部分市場而再度降價，只會讓企業的價格一降再降，利潤空間越來越窄，給企業長期經營帶來負面影響。同時也忽視了向上發展的空間，是因小失大的行為。

其次，應當認清買方的期待值不是固定的，而是一個可變化的區間。買方對于產品價值的判斷，也是來自其資料的收集，是大數據的一部分。與前面的降價相比，如何通過形象塑造、質量改進、提升買方對產品的價值判斷才是更重要、更能使企業健康持續發展的行為。

3 對旅游企業市場營銷策略的啟示

互聯網時代，搜索引擎的發展給了消費者信息上的優勢，使其可以用極小的成本在極短的時間內對了解所需產品的價格區間。因此許多中小旅游曾經一度企業因為沒有價格優勢，受到在線旅游搜索平臺的將旅游產品價格明朗化的沖擊，收益減少，利潤下降。在而在大數據時代，廣泛的數據策略應用給了旅游企業彌補甚至重新樹立信息優勢的機會。信息是一種為企業未來發展奠定基礎的工具，而不是對已經發生事件的事后記錄[2]。通過運用大數據已經可以做到了解消費者的消費偏好和消費價位，進而預測其的消費習慣以及對某一產品的可接受價格區間。這些將有助于旅游企業在產品價格上重新掌握話語權。同時還有許多旅游企業利用這種機會重新尋找到了商機，比如同程網的旅游產品精準推送、螞蜂窩對出游人群及偏好的數據分析、就連傳統旅行社、酒店也都十分重視自身信息平臺的建設。還有一些企業，尤其是一些掌握海量數據的大企業，正在借助其數據量的優勢，開展大數據創新[3]，如阿里巴巴集團等?，F在，通過阿里商旅，阿里巴巴集團的數據優勢已經延伸到旅游業。未來在旅游行業中，對信息優勢的爭奪將更加激烈，唯有繼續堅持深入地實施大數據策略，才能在與消費者和同行的競爭中獲得立足與發展。

而除了堅持大數據策略以外，結合上文的博弈模型分析，筆者認為旅游企業在具體實施大數據策略時還可以從以下三方面考慮：

（1）聯合共贏策略。在互聯網時代，游客可以獲取的信息是多方面的，而單憑一個旅游企業所能取得的數據是有限的。因此旅游企業憑一己之力實施大數據策略需要花費較多的人力物力。但如果不同行業的企業之間能做到數據共享，則無疑將增強企業在信息方面的收集能力，彌補單個企業在信息資源上的不足，這將對旅游企業進行市場決策起到至關重要的作用。以酒店行業為例，在百度地圖上，不僅有酒店的詳細位置，現在還有周邊的娛樂設施、餐飲外賣信息，甚至連uber乘車費用都能顯示得非常清楚。而游客是如何對這些條件進行搜索、如何最終確定住宿酒店、如何利用周邊設施的，如果能獲得這些數據，酒店今后將能更加清楚自己所在區域內的客源分布構成，以及他們的消費偏好、消費能力、主要活動時段等信息。這樣一來，酒店對住宿客人具體情況會有一個更加精確的了解，這對于酒店確定主力房型、促銷價格都會有非常大的幫助。

同時，旅游行業內的數據共享也能使游客的觀光活動更加便利，從而促進行業更加健康發展。比如浙江就將“數據共享”融入到全域旅游的建設中。游客進入高速收費站，掃二維碼后，不僅可以了解城區各停車場的實時動態，還購票、訂餐、找房、導航[4]。另一方面，銀行掌握游客持卡消費情況，酒店掌握游客入住房間價格，航企或者鐵路掌握游客的出行方式、時間，將這些數據整合后將有助于當地旅游管理部門更好地分析來本地觀光的游客構成，為今后更有針對性地宣傳、吸引游客起到至關重要的作用。

（2）以客定價策略。長久以來，除了尾單、團客等特殊情況外，一個旅游產品對所有游客幾乎是一個價格。但從前文的分析可以看出，游客可以分為三類：原均衡收益值100a/（1+a）＞其最高期望值B2的群體、原均衡收益值100a/（1+a）落在其期望收益區間內[B1，B2]的群體、原均衡收益值100a/（1+a）＜其最低期望B1的群體。如果只與前兩類群體交易，可保證旅游企業的收益不低于原均衡收益，如果是第一類人群還有增加的可能性。而與第三類群體交易則會減少企業的收益。因此如果固守傳統的“以物定價”，在針對三類群體只有一次且一份報價的情況下，為了提高交易成立的可能性，就只能以出讓自己一部分利益的價格進行報價。這就會導致交易越多，利潤越薄。對旅游企業來說不是一種長期、健康的發展模式。

因此旅游企業應當改變過去以產品定價的方式，轉而以客定價。放棄做大做全的思想，把目標市場鎖定在最能貢獻利潤的那部分消費群體身上，根據他們的需求來設計旅游產品?！疤峁┩耆项櫩鸵蟮亩ㄖ苹唐吩O計屆時將會成為數據營銷界的主流”[5]，而這在旅游行業中，私人定制旅游無疑是這方面的探路者。以6人行、途風網為代表的定制游旅行社已經開始為游客量身定做旅游行程。在6人行的主頁上甚至沒有顯示價格。在這種情況下，旅游顧問一方面可以為每一組消費者制定專屬的行程規劃，另一方面也可以通過有針對性地設計旅

（3）不打價格戰和“附加利益”策略。在大數據時代，信息的普及導致價格的明朗。為了給自己帶來更多流量和訂單，不少旅游企業只能在在價格上一降再降。而價格戰雖然會讓勝出的一方在短期內贏得更多的消費者，但同時“消費者受價格戰的影響，將把價格戰中的商品價格作為參考價格，把自己對價格戰中的商品的期望價格進行下調”[6]，即進一步提高自己可接受的剩余價值區間，使得原本均衡的博弈結果被打破，這對于企業今后再度期待以正常價格銷售產品產生一定負面影響。這方面，酒店和在線旅游服務商的矛盾就是一個顯著的例子。2014年9月，華住、如家、錦江之星三大連鎖酒店集團就已經聯手，不惜以下架威脅，向幾家主要OTA施壓，要求停止返現[7]。酒店行業，尤其是五星級酒店往往很注重自己的品牌形象。即使將酒店的產品交給在線旅游服務商代銷，也要在一定的合理價格范圍內，不能影響到酒店自身利益。如果一個原本入住價格也要上千的酒店，在OTA平臺上價格被降低到三四百元。那么在消費者心中，對其的認知就會從豪華型酒店變為經濟型型。這不僅會影響到酒店形象，同時也會動搖酒店自身的會員體系。

為避免惡性的價格競爭，旅游企業應當轉變思維，放棄以往的價格戰，強化自己的核心資源優勢“數據”，延伸自己的利益鏈，增加其產品的附加利益。比如在線旅游服務商可以憑借自己的流量及數據信息，積極發揮平臺中介作用，將旅游產品與相關地區的航企、酒店、租車等多領域進行有效匹配，為旅游消費者提供多方面的服務，使其得到更多的附加利益。以一個預訂了從廣州飛銀川機票的商務游客人為例，對他而言最合適的酒店是什么，根據航班到達時間，是否需要接送；而如果是觀光游客，接下來在銀川的行程是否需要租車，租何種車型是在其承受范圍內；如果是家庭游客，是否需要包車，根據其過往旅游產品購買記錄，是否會在當地參加一日游旅行團……。這類行動是單個的航企、酒店、租車企業無法做到的，而在線旅游服務商卻可以通過整合信息實現數據的有效匹配。如果能做到這一點，航企、酒店這些企業也必將圍繞在在線旅游服務商平臺周圍，發揮自己的最大功能。

[1]謝識予.經濟博弈論[M].上海：復旦大學出版社，2002：129-130.

[2]王鈺.破壞性創新、大數據與圖書銷售[J].科技與出版，2013（6）：86-87.

[3]吳瓊.大數據視野中的價格指數統計[J].統計講壇，2013（10）：48-49.

[4]白麗媛.浙江全域旅游數據共建共享開啟“智旅”時代 [N/OL].浙江日報，2016-11-13[2016-11-15].http：//nb.ifeng.com/a/20161113/ 5143103_0.shtml.

[5]魏伶如.大數據營銷的發展現狀及其前景展望[J].現代商業，2014（5）：34-35.

[6]郭惠玲.基于博弈論視角的電商價格戰分析[J].北京理工大學學報（社會科學版），2014，16（5）：94-102.

[7]陳杰 劉曉雪.華住與OTA的恩怨情仇：詳解酒店封殺OTA的三大緣由[N/OL].北京商報，2015-04-30[2016-11-15].http：//tech.ifeng.com/a/20150430/41072333_0.shtml.

Analysis and Enlightenment of Big Data Policy Game in Tourism Market based on Bargaining Results

WANG Zhou，WANG Minɡlin

（School of Tourism，Leshan Normal University，Leshan Sichuan 614000，China）

Bargaining model is a common model in game theory，in which either three-round bargaining or infinite-round bargaining is based on the postulation that both sides have no idea of each other’s accepted price intervals.However，with the development of Internet economy and widely use of big data，both sellers and buyers have opportunities to know more about the opposite’s bottom line.Under such condition，the price will be different if two sides do another game about whether to do big data policy right after bargaining game.And since big data policy is now widely used in tourism market，this article also works on how tourism companies can improve their marketing strategies by making use of such changes.

Big Data；The Bargaining Model；Tourism Marketing Strategy

F590

A

1009-8666(2017)04-0075-07

10.16069/j.cnki.51-1610/g4.2017.04.015

［責任編輯、校對：方忠］

2016-10-13

四川省社會科學重點研究基地——四川旅游發展研究中心立項資助項目（LYC16-11）

汪舟（1983—），女，四川南充人。樂山師范學院講師，碩士，研究方向：旅游經濟、文化旅游；汪明林（1957—），男，四川南充人。樂山師范學院教授，研究方向：旅游經濟，旅游規劃。